Kullanıcı davranış analizi ile kişiselleştirilmiş indirim öneri sistemleri: Yapay zeka ve makine öğrenmesi yaklaşımı
Personalized discount recommendation system based on user behavior analysis: An artificial intelligence and machine learning approach
- Tez No: 1000352
- Danışmanlar: DR. ÖĞR. ÜYESİ YUSUF ALTUNEL
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Kampanya Yönetimi, Segmentasyon, Makine Öğrenmesi, Dinamik İndirim Motorları, Tahminleme Modelleri, Campaign Management, Segmentation, Machine Learning, Dynamic Discounting Engines, Predictive Models
- Yıl: 2026
- Dil: Türkçe
- Üniversite: İstanbul Kültür Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Kampanyalar, e-ticaret platformları başta olmak üzere dijital ortamlarda satış yapan işletmeler için son derece önemli araçlardır. Ticari bir işletme için kampanya yönetimi, ciro, karlılık, marka algısı ve pazar payı gibi stratejik konularda belirleyici olabilir. Geleneksel kampanya yönetimleri, farklılıkları dikkate almadan bütün müşterilere aynı indirimleri çoğu zaman statik uygular, bu nedenle her zaman istenilen etkiyi yaratmamakta, bazen de olumsuz sonuçlara yol açabilmektedir. Satış verileri kullanılarak yapılan analizlerde, satın alma davranışlarının sadece demografik, kültürel ve coğrafik etkenlere değil ama ayrıca değişen beklenti ve alışkanlıkların da belirleyici olabileceğini göstermektedir. E-Ticaret ya da havalimanı gibi yoğun kitlesel hareketliliğin olduğu ortamlarda alışveriş yapan müşterilerin de zamana göre değiştiği görülebilmektedir. Statik kampanaya yönetimi ile bu dinamizmi yakalamak mümkün olmamaktadır. Bunun yerine müşterilerin değişimini çabuk algılayıp buna adapte edilebilen dinamik kampanya yönetimi yaklaşımı daha faydalı olacaktır. Bu çalışmada statik ve dinamik kampanya yönetimleri incelenerek aralarındaki benzerlik ve farklılıklar belirlenmiş, her iki yaklaşım için kullanılabilecek teknikler incelenmiştir. Çalışma ile dinamik kampanya yönetimi yapmak için gerekli şartlar oluşturulmuştur.
Özet (Çeviri)
Campaigns are crucial tools for achieving strategic goals such as turnover,profitability, brand perception, and market share for businesses operating in both traditionaland digital channels like e-commerce. Understanding customer characteristics, habits, expectations, and their changes over time is essential for successful campaign management. Data analysis using sales data shows that purchasing behavior is influenced by demographic, cultural, and geographic factors, as well as by changing expectations and habits. Traditional campaign models offer benefits to specific customer groups, for specific products, and at specific duration and for certain rates. However, when mass mobility level is high, as happens in e-commerce platforms and airports, customer shopping behavior shows more dynamic behavior and changes over time, sometimes even at the hours of the day.Traditional campaign models classify the customers according to the their basic characteristics, once it is done provide the same discounts to all categories and in return fail to capture the market dynamics. Dynamic campaign-based approaches on the other hand, provide adaptation options by recognizing the changes in customer segmentation and behavior that take place over time, and possibly deliver much more successful results. In this study, both the static and dynamic campaign management approaches are examined with their similarities and differences, and the techniques are explored to be beneficial for each individual one. The study provides the underlying implementation conditions for dynamic campaign management.
Benzer Tezler
- Mining user access patterns and identity information from web logs for effective personalization
Etkili kişiselleştirme için web günlüklerinin veri madenciliği yöntemi ile analizi
ESRA SATIROĞLU
Yüksek Lisans
İngilizce
2001
İhsan Doğramacı Bilkent ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
Yükleniyor...
- A hybrid recommendation system application by RFM segmentation
RFM segmentasyonu ile bir hibrit öneri sistem uygulamasi
BEGÜM UYANIK
Yüksek Lisans
İngilizce
2023
Galatasaray ÜniversitesiAkıllı Sistemler Mühendisliği Ana Bilim Dalı
Yükleniyor...
- Adoption of smart small home appliances: An analysis of social and behavioral factors
Akıllı küçük ev aletlerinin benimsenmesi: Sosyal ve davranışsal faktörlerin analizi
BETÜL İMAMOĞLU
Yüksek Lisans
İngilizce
2026
İstanbul Teknik Üniversitesiİşletme Mühendisliği Ana Bilim Dalı
Yükleniyor...
- The impact of wearable technology on fitness goal achievement a qualitative analysis of consumer motivation, surveillance, and digital health behaviors
Giyilebilir teknolojinin fitness hedeflerine ulaşma üzerindeki etkisi: Tüketici motivasyonu, gözetim ve dijital sağlık davranışlarının nitel bir analizi
OLLA SALEM ALİ SALEM
- A frequency-based weighting mechanism for data embedding methodologies
Veri gömme yöntemleri için sıklık tabanlı ağırlıklandırma mekanizması
NAİL TAŞGETİREN